Application of unmanned aerial image application red tide monitoring on the aquaculture fields in the coastal waters of the South Sea, Korea

연근해 양식장 주변 적조 모니터링을 위한 무인항공영상 적용 연구

오승열*·김대현**·윤홍주*^†

*부경대학교 공간정보시스템공학과, **오션테크(주)

Application of unmanned aerial image application red tide monitoring on the aquaculture fields in the coastal waters of the South Sea, Korea

Seung-Yeol Oh*, Dae-Hyun Kim** and Hong-Joo Yoon*

*Department of Spatial Information Engineering, Pukyong National University, **OCEANTECH CO.

Abstract : Red tide, causes aquaculture industry the damages in Korea every summer, was usually detected by using satellite, aquaculture information was difficult to detect by using satellite. Therefore, we suggests the method for detecting the red tide using the coastal observation and the product from the unmanned aerial Vehicle. As a result, we obtained the high resolution unmanned aerial Vehicle images, detected the red tide by using the unsupervised classification from the true color images and the simple algorithm from the RGB color images. Compared the previous color images, unmanned aerial Vehicle images were clearly classified the ocean color, we were able to identify the red tide distribution in sea surface. These methods were determined to accurately monitor the red tide distribution on the aquaculture fields in the coastal waters where is established the aquaculture.

Key Words : Red-Tide detecting, UAV, K-means, Red-Tide Index

요약 : 매년 여름 우리나라 양식업에 피해를 입히는 적조를 탐지하기 위한 연구는 대부분 인공위성을 이용 하였으나 양식장에 대한 정보는 인공위성으로 산출하기에는 한계를 가진다. 따라서 본 연구에서는 무인항공 기를 이용한 연안촬영과 그 산출물을 이용하여 적조를 탐지하는 기법을 제시하였다. 그 결과 높은 해상도를 가진 무인항공영상을 획득 할 수 있었으며 색상을 이용한 무감독 분류와 가시광영역의 세 가지 분광밴드를 이용한 단순 알고리즘을 이용하여 적조를 탐지하였다. 기존의 천연색 영상에 비하여 시각적으로 명확한 해 수색의 구분이 가능하였으며 적조의 해수면 분포를 확인할 수 있었다. 이와 같은 방법은 양식장이 설치되어 있는 연안에서 더욱 정확한 적조의 분포 상황을 모니터링 할 수 있을 것으로 판단된다.

Received December 30, 2015; Revised January 12, 2016; Accepted January 14, 2016.

†

Corresponding Author: Hong-Joo Yoon ([email protected])

This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons. org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Article

조는 우리나라 외에도 전 세계 연안 지역에서 집단 폐 사 , 물리적 손상 등의 영향을 끼쳐왔다(Kang et al., 2002, Lee, 2006, Son et al., 2010., Son et al., 2012, Lee et al., 2009).

이러한 적조는 일단 발생한 이후에는 인위적으로 피해 발생을 막을 수 없다 . 따라서 적조의 모니터링 및 예측 이 더욱 더 중요시 되고 있다 . 적조를 모니터링하는 방 법으로는 주로 선박을 이용한 육안감시가 실시되어져 왔으나 선박을 이용한 방법은 인력, 비용, 시간적 측면 에서 비효율적일 뿐만 아니라 광범위하게 발생하는 적 조영역을 관리하기에는 한계를 가진다. 따라서 주기 적·광역적으로 해양을 감시하고 모니터링 할 수 있는 항공기나 인공위성을 통한 원격탐사기법을 이용하는 것이 효율적이라 할 수 있다 .

적조를 모니터링하기 위한 원격탐사기법으로는 주 로 인공위성을 이용한 적조 탐지 연구가 여러 연구자들 에 의해 진행되어 왔다 . 이 방법은 인공위성에 탑재된 센서를 이용하여 모니터링하고자 하는 구역에서 반사 또는 산란되는 광특성을 이용하여 해수에 섞여있는 다 양한 물질을 분류하는 기술이다.

인공위성을 이용한 적조모니터링 연구는 지금까지 주로 클로로필-a의 농도를 추정하고 그것을 기초로 이 상치를 분석한 방법이 주를 이루어왔다 (Stumpf et al., 2003, Hu et al., 2004, 2005, Suh et al., 2004, Tomlinson et al., 2004, Ahn and Shanmugam, 2006, Ahn et al., 2006, Ishizaka

의 농도 혹은 이상치를 계산하여 적조지역과 적조가 아 닌 지역으로 구분하는 방식으로 진행되었다 . 그러나 적 조를 유발하지 않는 것으로 알려진 플랑크톤 역시 적조 와 유사한 클로로필 농도를 보이거나 반대로 적조를 발 생시키는 생물일지라도 광합성이 약한 종의 경우 인공 위성으로 판단하기 힘든 특성을 가지고 있어 단순히 클 로로필의 농도만으로 적조를 탐지하기에는 한계가 있

지고 있다. 우선 적조가 자주 발생하는 우리나라의 남 해의 경우 해수 중 부유물질이 많아 위성영상을 이용한 적조와 탁수의 구분이 어렵다 . 다음으로 적조의 가장 큰 문제점은 양식업에 주는 피해인데 반해 인공위성영상 으로 얻는 해양의 정보는 육지와 해양의 경계를 완벽히 구분 지을 수 없어 연안에 구축되어진 양식장을 대상으 로 모니터링 할 수 없다. 또한 가시광선 대역의 밴드를 이용하여 측정하는 센서의 특성상 구름 영향을 많이 받 아 이용 가능한 위성영상을 안정적으로 제공받기 힘들 다는 단점이 있다 .

따라서 본 연구에서는 인공위성에 비해 시공간적 해 상도가 높은 무인항공영상을 이용하여 적조를 모니터 링하는 새로운 조사 기법을 제시하고자 한다 .

2. 연구 자료 및 방법

1) 연구범위

본 연구의 공간적 범위는 전라남도 완도군 약산도의 동측해안으로 당목항 선착장을 중심으로 반경 약 500 m 의 지역을 대상으로 하여 연구를 진행하였다 (Fig. 1).

Fig. 1. Study area is Yaksan Island, Wando-gun Jeollanam- do. Red circle is unmanned aerial photography area and triangle is Dangmok dock.

연구해역인 당목항 주변은 굴과 전복 , 미역 양식장이 운영되고 있어 적조발생시 큰 피해를 입을 수 있다 . 대 상 지역에서 무인항공기를 이용한 촬영은 2015년 9월 2일과 9월 10일에 수행되었다. 9월 2일과 10일의 적조상 황은 모두 적조경보 발령 상태였으며 약산도 주변해역 에 발생한 코클로디니움의 생물밀도는 각각 최대 1490 cells/mL과 880 cells/mL로 나타났다(Fig. 2, 국립수산과 학원 적조정보시스템 ).

2) 무인항공 촬영 기법

(1) 무인항공기 제원

무인항공기는 날개의 형태에 따라 회전익과 고정익 항공기로 나뉘게 되는데 회전익항공기의 경우 자체 무 게가 무거워 비행시간이 비교적 짧은 단점이 있으나 장 착할 수 있는 장비의 무게와 종류에 비교적 자유롭다 . 고정익항공기의 경우는 탑재할 수 있는 장비의 무기나 종류에 제약이 있으나 가벼운 기체의 영향으로 회전익 항공기에 비해 장시간의 비행이 가능하다.

본 연구에서는 비행거리상 장시간의 비행능력이 요 구되어 고정익 항공기를 사용하였으며 본 연구에 사용

된 기체는 senseFly사의 ebee제품이다. 본 무인항공기는 사용자가 직접 조종하여 제어하지 않고 미리 결정된 고 도와 항로를 입력하면 자체적으로 정해진 항로에 따라 비행이 가능하여 기존에 사용자가 직접 제어하던 방식 에 비해 안전하며 정확한 영상촬영이 가능하다. 본 연 구에 사용된 기체의 형태와 제원은 각각 Fig. 3과 Table 1과 같다.

(2) 촬영방법

무인항공촬영의 경우 연구대상지역을 촬영하고 촬 영된 각각의 영상들을 병합하기 위해서는 촬영대상 구 역에 특징점이 필요하다 . 그러나 해수면의 경우 육지와 다르게 특징점으로 삼을만한 대상 객체가 드물어 해수 면만을 촬영하고자 할 경우 영상 병합이 실패하는 등의 제약이 따른다 . 따라서 본 연구에서는 육지와 양식장을 특징점으로 이용하여 촬영하기 위해 Fig. 4와 같이 비행 경로를 설정하여 촬영하였다 . 또한 촬영에 사용한 비행 정보는 Table 2와 같다. 총 비행궤도는 수직적으로 결정 된 8회선이며 최대 고도는 408 m, 비행거리는 9월 2일

Fig. 3. Unmanned aerial vehicle for photography.

Fig. 2. Each study date(A is Sep. 2nd, B is Sep. 10th) of special red tide report(National Institute of Fisheries Science) in study area.

Table 1. Unmanned aerial vehicle of specification in this study

Weight Approx. 0.69 kg Material EPP foam, Carbon structure &

composite parts Battery 11.1 V, 2150 mAh Maximum flight time 50 minutes Nominal cruise speed 40-90 km/h

Radio link range Up to 3 km Maximum coverage 12 km

/4.6 mi2

Wind resistance Up to 45 km/h

(12 m/s or 28 mph)

Ground Sampling Distance Down to 1.5 cm per pixel

14.5 km, 9월 10일 12.4 km이다. 영상 간 중복률은 종횡 각각 70% 허용되었다.

Fig. 5는 본 연구에서 촬영된 샘플 영상으로 이와 같 은 작은 영상들을 9월 2일의 경우 44장, 9월 10일의 경우 46장을 촬영시 지정된 중복률을 계산하여 병합하는 과 정을 거쳐 하나의 영상으로 만들어 연구를 진행하였다 .

(3) Red-tide Index

무 인 항 공 촬 영 에 사 용 된 카 메 라 는 Canon사의 PowerShot S110이며 제원은 Table 3와 같다. 사용된 카 메라는 디지털 카메라의 기능을 기본으로 갖추고 있으

며 추가로 분광조사가 가능하도록 Red(660 nm), Green (520 nm), Blue(450 nm)의 세 영역에 대한 분광대역을 가 지고 있다(Fig. 6).

따라서 본 연구에 사용된 카메라는 세 개의 RGB분 광대역을 가지고 있으므로 영상에서의 분광특성을 이 용하여 적조 탐지를 시도하였다 . 본 연구의 대상해역은 수심이 깊지 않고 해안선이 복잡하여 평상시에도 탁도 가 높고 조석의 영향으로 해안선의 변화가 심하다 . 또 한 해수면에서 반사되는 수출광량도 해양의 상황에 따 라 변화하는데 연구해역에서는 크게 맑은 상태 , 적조가 발생한 상태 그리고 부유물질에 의해 탁한 상태의 세 가 지 경우로 나눌 수 있으며 각각의 해황에 따른 수출광 량의 차이가 나타나게 된다 . 적조가 발생한 해역은 청 수일 경우와 비해 분광학적 특성의 차이를 보인다 . 즉 해수 중 포함된 물질의 양과 질이 다르기 때문에 해수 색과 반사 혹은 산란된 신호의 크기가 같지 않고 , 이것 을 분광기로 관측하면 다르게 나타난다 .

Fig. 7은 우리나라 해안에서 발생한 청수와 적조, 그 리고 탁수의 수출광량(Water-leaving radiance) 자료를 그래프로 나타낸 것이다(Ahn et al., 2006). 그래프에서 볼 수 있듯이 청수와 적조는 450 nm ~ 550 nm 구간에서 큰 패턴 차이를 보이며 이러한 분광학적 특성을 이용하 여 본 연구에 사용된 카메라의 분광대역 중 사용가능 한 밴드를 조합하여 만들어진 적조지수는 다음 식 (1)

Fig. 5. Sample image of unmanned aerial photography.

Fig. 6. Camera spectrum band with for unmanned aerial photography.

Table 2. Flight information of unmanned aerial photography

Date Duration distance Max. height Photo count

2015.09.02. 20 min. 14.5 km 408 m 44

2015.09.10. 17 min. 12.4 km 408 m 46

과 같다.

Red Tide Index = (1) 그러나 그림에서 볼 수 있듯이 탁수와 적조는 450 nm

~ 550 nm 구간의 파장대역에서 비슷한 패턴을 갖기 때 문에 식 (1)의 값을 바탕으로 연산된 적조지수는 탁수일 경우와 적조가 발생한 경우 모두 비슷한 값을 가지게 된 다 . 따라서 식 (1)만으로는 탁수와 적조를 구별해 내기 어렵다 . 이러한 문제를 해결하기 위해 탁수와 적조를 분 류하는 과정이 필요한데 660 nm 대역에서 적조와 탁수 는 큰 반사도의 차이를 가지므로 660 nm 밴드를 이용한 추가 연산과정이 필요하다 . 추가 연산은 다음 식 (2)와 같다 .

Red Tide Index =

+ (2)

위 과정을 거쳐 탁수영역이 제거된 적조지수를 얻을

수 있다. 얻어진 결과 값은 단위가 없는 지수의 형태를 가지며 이론적으로 -2 ~ +2 사이의 값을 얻을 수 있어 적절한 임계값을 찾아 적용할 필요가 있다 .

3. 결 과

1) 항공촬영

9월 2일 항공촬영 결과, 총 44장의 영상을 획득할 수 있었으며 각각의 영상을 한 장의 영상으로 모자이킹 병 합을 하였다 (Fig. 8). 병합한 항공영상의 결과는 Table 4 와 같다 .

촬영지역의 총 면적은 약 0.5599 km

이며 공간 해상 도는 15.19 cm이다. 선착장에는 운항 대기 중인 여객선 이 촬영되었으며 , 그 여객선들에 의해 발생한 스크류항 적을 확인할 수 있다 . 육지에 가까워질수록 맑은 물로 520nm _ 450nm

520nm + 450nm

520nm _ 450nm

520nm + 450nm 660nm _ 450nm 660nm + 450nm

Fig. 8. Mosaic images of unmanned aerial photography in (a) Sep. 2nd, (b) Sep. 10th.

(A) (B)

Fig. 7. Each water-leaving radiance data of (1) clear water, (2) red tide and (3) turbid water.

로 해수색이 변화되어 있는 것을 확인 할 수 있다 . 9월 10일 항공촬영에서는 총 46장의 영상을 획득하 였으며 각각의 영상을 병합하였다 . 9월 10일의 영상은 9월 2일과 동일한 비행경로와 고도를 설정하여 촬영하 였으나 촬영면적 0.5767 km

, 공간해상도 15.46 cm로 9월 2일 촬영결과와는 미세한 차이를 보였다. 그 이유는 비 행 당시의 바람의 방향과 강도에 따라 무인항공기가 영 향을 받았기 때문이다 . 또한 9월 2일에 촬영된 영상에 비해 10일은 썰물에 의해 해변이 확장된 것을 확인할 수 있다 .

2) 적조모니터링

(1) K-Means 분류를 통한 해색 분류

원격탐사에 의한 모니터링 혹은 탐지연구는 보통 특 정 물체의 분광패턴을 이용하여 수행된다. 그러나 해양 의 색을 변화시키는 적조의 특성을 이용하여 분광자료 를 사용하지 않고 RGB True Color(R: 660 nm, G: 520 nm, B: 45 0 nm)합성영상만을 이용하여 무감독 분류를 시도

Means 기법은 영상을 통해 얻고자 하는 군집의 개수를 사용자가 지정하도록 되어있으며 , 사용자가 지정한 개 수만큼의 군집 중점을 다차원 측정공간상에 위치시키 는 기법으로 본 영상에서는 색상의 차이를 이용하여 분 류하였다 . 육지는 도로, 건물, 숲 등 여러 가지 객체로 이 루어져있으나 해상은 육지에 비해 객체의 수가 많지 않 아 10개의 군집 개수를 지정하여 분류하였다.

Fig. 9는 영상의 분류 결과이며 육지와 양식장은 마스 킹되었다 . K-Means 분류를 통해 10개의 군집으로 분류 를 수행하였으나 4개의 군집만 생성되고 6개의 군집은 생성되지 않았다 . 획득한 영상을 살펴보면 RGB 영상에 비해 가시적으로 색상의 경계를 명확하게 확인할 수 있 었다 .

분류 영상을 확인한 결과 연구 대상해역은 9월 2일에 비해 9월 10일에 적조로 판단되는 영역이 넓게 나타났 으며 양식장의 사이로 띠 모양의 변화된 해색을 탐지해 낼 수 있었다 . 그러나 9월 10일의 경우 RGB 영상에서는 해안선 근처에서 해색의 변화가 보이지만 분류 영상에

Fig.9. Classification result by using K-means algorithm(a: Sep. 2nd, b: Sep. 10th).

(A) (B)

서는 분류가 되지 않았으며 군집의 개수와 반복계산 회 수를 변화시켜보았으나 해당 영역의 결과는 달라지지 않았다 .

RGB 영상과 분류 영상을 이용하여 정확한 적조의 탐지 혹은 농도분석을 할 수는 없으나 해색의 변화를 탐 지해 낼 수 있으며 양식장 주변의 해수면의 상황을 파 악하기에 용이하다 할 수 있다.

(2) Red-tide Index

본 연구에서 사용된 카메라는 세 개의 RGB분광대역 을 가지고 있으므로 영상에서의 분광특성을 이용하여 적조 탐지를 시도하였다 .

앞서 제시된 Red Tide Index 계산식의 결과에서 적조 를 판단하는 최적의 값을 찾기 위해 임계점을 결정할 필 요가 있다. 본 연구에서는 K-means 분류에서 적조로

판단되는 영역과 일치하는 범위를 임계점으로 설정하 였으며 그 과정은 Fig. 10과 같다. 계산된 값은 0 ∽ 0.5의 분포를 보였다 . 임계값을 결정하기 위해 다양한 임계값 을 각각 적용해 본 결과 0.1의 값을 적용한 경우에는 K- means 분류결과에 비해 과소추정이 일어났으며 0.3 이 상의 값을 적용한 경우에는 탐지율이 떨어지는 결과를 보였다.

또한 적조 추정 해역의 면적을 비교해 본 결과, K- means 분류에서 적조로 판단되는 해역의 화소 수는 4,922,487개로 면적으로 환산해 보면 0.1177 km

를 차지 하였는데 Red-Tide Index 결과에서 임계값을 0.1로 적 용한 경우 0.0097 km

, 0.2로 적용한 경우 0.1349 km

, 그 리고 0.3을 적용한 경우 0.2192 km

로 0.3 이상의 값에서 는 과대추정이 발생한 것을 알 수 있다 (Table 5). 이는 임

Fig. 10. To set the threshold, each index values was differently applied to result the red tide index. land and aquaculture were masked, the solid line is estimated the result of K-means classification in red tide. A is set threshold 0.1, B is set threshold 0.2, C is set threshold 0.3, D is set threshold 0.4.

(C) (A)

(D)

(B)

계값의 대부분이 0.1 ~ 0.2의 값을 가지고 있다는 것을 알 수 있다 . 임계값을 결정하기 위해 공간적인 분포와 면적을 비교해 본 결과 모두 0.2의 값에서 정확도가 가 장 높았다 . 따라서 본 결과에서는 0.2의 지수 값을 적절 한 임계값으로 판단하였으며 Red-tide Index를 적용한 결과영상은 Fig. 11과 같으며 육지와 양식장은 마스킹 되었다 .

본 연구에서는 양식장 부근에 발생하는 적조를 탐지 해 내기 위해 2015년 9월 2일과 9월 10일 항공영상을 이 용하여 약산도 동측해안의 항공촬영영상을 이용하여 적조의 발생을 탐지할 수 있었다. 탐지 결과 9월 2일에 는 연구 해역면적 0.5767 km

에서 적조탐지 면적이 0.0054 km

로 적조의 발생이 미미한 것으로 나타났으며 9월 10일의 결과에서는 양식장들에 걸쳐 적조탐지 면 적이 0.1349 km

로 광범위하게 발생해 있는 것을 확인 할 수 있었다 . 하지만 조사 일시에 상관없이 해안선에 매우 가까운 영역에서는 적조의 발생과 무관하게 과대 추정이 되어 탐지되는 결과를 얻었다 . 이는 남해안의 특 성상 해안선 부근은 수심이 극히 얕기 때문에 파도와 조

넓은 범위를 대상으로 하였다 . 그러나 정작 피해대상지 역인 양식장에 대한 정보는 인공위성으로 산출해 내는 데 한계를 가진다 . 따라서 본 연구에서는 무인항공기를 이용한 해안의 촬영과 그 영상을 이용하여 적조를 탐지 하는 기법을 제시하였다 .

본 연구에서는 인공위성으로는 모니터링 할 수 없는 해안선 부근의 해역을 높은 해상도를 가진 무인항공영 상의 촬영기법과 가시광영역의 분광밴드 세 가지를 이 용한 단순 알고리즘을 이용하여 적조를 탐지하였다 . 그 결과 해안선에 위치하고 양식장이 분포되어있는 해역 에서 적조의 분포 양상을 살펴 볼 수 있었다 .

본 연구에서 제시된 기법은 기존의 인공위성을 이용 한 해양모니터링의 한계점을 상호보완 할 수 있을 것으 로 판단되며 양식장모니터링에 적용된다면 더욱 신속 한 적조의 탐지와 적조에 의한 양식장의 피해범위산출 에 도움이 될 것으로 판단된다 . 그거나 Red Tide Index 의 경우 본 연구에서는 적조 탐지 정확도의 검증이 이 루어지지 않았으므로 향후에는 다양한 위치와 시간대

Fig. 11. Red-tide index application result by using a: Sep. 2nd, b: Sep. 10th analysis images.

(A) (B)

의 추가 적용으로 Red Tide Index의 정확도를 향상시킬 필요성이 있다 . 또한 가시광밴드 외에 근적외 영역을 포 함하는 센서를 이용하고 영상의 대상이 되는 해역의 정 확한 적조생물정보를 적용하여 적조발생 면적과 분포 특성의 정확도 향상 및 검증이 필요할 것으로 사료된다 .

사 사

본 논문은 부경대학교 자율창의학술 연구비 (2016)에 의하여 연구되었습니다 .

Reference

Ahn, Y. H. and P. Shanmugam, 2006. Detecting the red tide algal bloom from satellite ocean color observations in optically complex Northeast Asia Coastal waters, Remote Sensing of Environment, 103: 419-437.

Ahn, Y. H., P. Shanmugam, J. H. Ryu, and J. C. Jeong, 2006. Satellite detection of harmful algal bloom occurrences in Korean waters, Harmful Algae, 5: 213-231.

Hu, C., F. E. Muller Karger, C. Taylor, K. L. Carder, C. Kelble, E. Johns, and C. A. Heil, 2005. Red tide detection and tracing using MODIS fluorescence data: A regional example in SW Florida coastal waters, Remote Sensing of

Hu, C., F. E. Muller Karger, D. C. Biggs, K. L. Carder, B. Nababan, D, Dadeau, and J. Vandernloemen, 2003. Comparison of ship and satellite bio- optical measurements on the continental margin of the NE Gulf of Mexico, International

Hu, C., F. E. Muller Karger, G. A. Vargo, M. B. Neely, and E. Johns, 2004. Linkages between coastal runoff and the Florida Keys ecosystem: A study of a dark plume event, Geophysical Research

Letter, 31: doi:10.1029/2004GL020382.

Ishizaka, J., Y. Kitaura, Y. Touke, H. Sasaki, A. Tanaka, H. Murakami, T. Suzuki, K. Matsuoka, and H. Nakata, 2006. Satellite detection of red ride in Ariake Sound, 1998-2001, Journal of

Kang, Y. S., H. G. Kim, W. A. Lim, C. K. Lee, S. G.

Lee, and S. Y. Kim, 2002. An unusual coastal environment and Cochlodinium polykrikoides blooms in 1995 in the South Sea of Korea,

37(4): 212-223.

Lee, M. O., B. K. Kim, Y. Kwon, and J. K. Kim, 2009. Characteristics of the marine environment and algal blooms in Gamak Bay, Fisheries

Lee, Y. S., 2006. Factors affecting outbreaks of high- density Cochlodinium polykrikoides red tides in the coastal seawaters around Yeosu and Tongyeong, Korea, Marine Pollution and

NIFS, 2000. Red-Tide (III), National Institute of Fisheries Science.

NIFS, 2003. National Report on HABs in Korea, National Institute of Fisheries Science.

National Institute of Fisheries Science Red-Tide Information System (www.nifs.go.kr/portal/

external/environment/redtide/index.jsp).

Son, Y. B., J. H. Yoo, J. H. No, S. J. Joo, and S. H.

Kim, 2012. Climatological variability of satellite-derived sea surface temperature and Chlorophyll in the South Sea of Korea and East China Sea. Ocean and Polar Research, 34(2):

201-218(In Korean with English Abstract).

Son, Y. B., J. Ishizaka, J. C. Jeong, H. C. Kim, and T.

Lee, 2011. Cochlodinium polykrikoides red ride detection in the South Sea of Korea using spectral classification of MODIS data, Ocean

Son, Y. B., T. H. Lee, D. R. Choi, S. T. Jang, C. H.

Tomlinson, G. J. Kirkpatrick, B. A. Pederson, E.

Truby, V. Ransibrahmanakuf, and M. Soracco, 2003. Monitoring Karenia brevis blooms in the Gulf of Mexico using satellite ocean color imagery and other data, Harmful Algae, 2:

A. V. Gabriel, and C. A. Heil, 2004. Evaluation

of the use of SeaWiFS imagery for detecting

Karenia brevia harmful algal blooms in the

eastern Gulf of Mexico, Remote Sensing of